World Labs 于 2026-11-05 发布研究预览 Frameboy：高度优化的 Atlas 变体从云端 GPU 流式推到浏览器，官方口径最高约 15 fps，支持实时控镜；公开 Demo 与封闭测试 Viewfinder 叠加模式同步上线。CEO Fei-Fei Li 在 X 转发「Real time Atlas」。
2026-11-05，Hugging Face 发布免费「The Ultimate MoE Training Handbook」。Thomas Wolf（联合创始人）称约 80 万 GPU 小时、约 7 万字与 55 幅交互图；作者 Nouamane Tazi 另称约 50 万 GPU 小时。手册面向 Megatron-LM，覆盖路由、专家规模、通信与调试，入口为官方 Space。
卡内基梅隆 Infini-AI Lab 于 arXiv（2026-11-04）发布孪生基准：CompressionBench 考编码 Agent 在存储限额内交付可验证压缩权重与推理代码（36 次提交 29 次通过，最优设计较 BF16 平均 PPL 仅高约 3.4%）；ServerBench 考完整 LLM 服务系统设计，目标为延迟达标 token 价值 / GPU 美元。11 模型×3 部署中 Claude Sonnet 5.5 在 Gemma E4B 上达 2.97「美元/美元」，约为 vLLM 基线 4.87 倍；33 次运行 22 次通过验证。
AMD 11 月 3 日公布 2026 年第三季度财报：总营收 133.77 亿美元，同比增长 45%；数据中心业务营收创纪录的 85.46 亿美元，同比增长 97%、环比增长 27%，主要来自 EPYC 服务器 CPU 和刚上市的 Instinct MI450 系列 GPU。公司称 Anthropic、Meta、微软、OpenAI 和 Oracle 云已在首批 Helios 机架级系统上运行模型和工作负载。AMD 给出四季度营收指引约 170 亿美元（上下浮动 3%），中值同比约增长 66%。
联邦学习框架 Flower 背后的 Flower Labs 于 11 月 3 日发布 Endeavor 1.1，这是其今年第三个模型（继 4 月的英国主权 7B 模型 Lizzy、9 月的 Endeavor 1.0 之后）。新版本新增图像输入、可选欧盟境内 GPU 推理，支持 Flower 托管、私有云或本地部署，并承诺用户可查看完整思维链、拥有推理输出并用于训练自有模型。官方口径 GPQA 94.4、HumanEval 99.9、AIME 2026 99.9、MMMU-Pro 81.1，但对比对象是 GPT-5.6 Sol 与 Claude Fable 5 而非两家最新模型，且目前仅开放申请试用。
Anthropic Frontier Red Team 11 月 2 日发布研究文章并开源 FlashProve（Apache 2.0）：模型提供方先对权重做隐藏承诺，之后为每次回答生成零知识证明，用户不需要权重、在普通 CPU 上就能验证回答确实来自该模型，可用来识别中转站偷换模型或 token 流被篡改。官方口径：Llama 4 Maverick（400B MoE，4-bit）上单张 H100 约 110 token/秒，每个 1,024 token 请求的证明约 19 MB，GPU 时间约为 vLLM 推理的 70–95 倍。这是不再维护的研究原型，上下文只支持 1,024 token、只覆盖整数化模型的贪心解码。Anthropic 工程师 Steve Weis 在 X 上转发了这次发布。
韩国总统李在明 11 月 2 日在国会发表 2027 年预算施政演说：总预算 820.9 万亿韩元（+12.8%），其中半导体、物理 AI、AI 数据中心三大项目及 AI 投入合计 21.3 万亿韩元（约 160 亿美元），比 2026 年的 10.8 万亿几乎翻倍。企划财政部官方预算文件显示，4.7 万亿韩元用于打造「全球顶级性能」的国家独立 AI 模型，包括采购 1 万张 Vera Rubin GPU。预算仍需国会通过。
a16z 10 月 30 日发布的 Charts of the Week（作者 Moses Sternstein）讨论了「Rack Spread」：GPU 租金在涨，token 价格在跌。a16z 官方 X 账号 10 月 31 日总结：5 月以来 token 均价下降 67%，token 花费增长超过 120%；按文章的粗算，用 Ramp 数据得出约 122%，用 Ornn 混合单价乘 OpenRouter 用量得出约 160%。另一条帖子给出 7 月中以来 B300 租金涨 106%、B200 涨 66%、H100 涨 17%。a16z 同时强调这些指数样本小且有偏差，不能代表真实总需求。
NVIDIA 官方博客 10 月 30 日披露，Breakthrough Listen 与 SETI 研究所已把 Agent 接入北加州艾伦望远镜阵列（ATA，42 面 6 米天线）的日常地外文明搜索：研究员用一句自然语言请求，Agent 就能转动天线、校准聚焦、纠正数据错误并对实时数据流跑 AI 模型。底层由 Holoscan 的 DAQIRI 库把传感器数据直接送进 GPU 显存，SETI 研究所的 CyberEther 做信号处理，Web 编排器 Nexus 充当 Agent harness，在 RTX PRO 6000 Blackwell 上本地处理最高 2.4 Tbps。系统已完成首次蟹状星云脉冲星的实时 AI 检测；团队正在评估 Nemotron 等开放模型。@NVIDIAAI 10 月 31 日万圣节帖约 274 赞。
扩散智能 DiffuSpace（成员来自推出 Dream 7B 的港大 NLP 实验室）10 月 28 日发布首个模型 Clover-35B-A3B-Preview：基于 Qwen3.6-35B-A3B 初始化的 MoE 扩散语言模型，总参 35B、激活约 3B、128K 上下文，按块并行去噪生成。官方口径下 SWE-bench Verified 73.6、Terminal-Bench 2.1 51.7、GPQA Diamond 83.8，单张 GB300 上 Agent 场景生成速度 680 tokens/s。权重 Apache 2.0，已上 Hugging Face、ModelScope 和 GitHub，支持 SGLang 与 llama.cpp。
LMSYS 团队联合 NVIDIA Dynamo 团队在官方技术博客与 X（@lmsysorg）正式宣布，高性能大模型推理框架 SGLang 推出弹性专家并行（Elastic EP）与 NIXL（Near-Instant Cross-Node Link）动态伸缩后端。针对超大 MoE 架构（如 DeepSeek-V3/V4）在传统静态专家并行下因单卡硬件故障导致全集群崩溃重启、以及业务高峰期无法在线扩容的严重痛点，Elastic EP 实现了专家-GPU 映射解耦。依托 NVIDIA NIXL 高性能通信原语与 Mooncake 调度器，SGLang 首次实现在完全不中断在线推理请求的前提下，将运行中的 MoE 集群动态扩容（如从 20 卡无感扩展至 24 卡），并支持单节点故障的秒级自动降级容错。
微软发布 Visual Studio Code 1.143：基于 Copilot SDK 的 Copilot harness 成为新会话默认，可在编辑器和 Agents 窗口间切换；Agents 窗口新增 Compare Models 预览，可让多个模型并行做同一任务并由 Judge 模型打分；实验性支持在本地 NVIDIA GPU 上运行 MAI Code 1.1 Flash，大型对话打开速度也显著提升。
欧洲前沿 AI 巨头 Mistral AI 与 NVIDIA 在 GTC Berlin 宣布达成工业工程 AI 深度战略合作，全面加速物理 AI、计算机辅助工程（CAE）与芯片设计（EDA）的智能化变革。合作将 Mistral 旗舰模型与 NVIDIA CUDA-X、Warp 物理引擎以及 Omniverse 实时数字孪生进行全链路打通。官方博客同时公布了备受瞩目的下一代旗舰模型 Mistral Large 4 的核心技术参数：总参数量接近 1 万亿（1T），激活参数为 490 亿（49B MoE），在 3800 张 Grace Blackwell GPU 集群上训练完成，模型权重定于 10 月底正式开源发布，并将联合 Nemotron 联盟共建工业基座。
vLLM 官方联合蚂蚁集团正式开源底层高性能量化推理算子库 Humming（humming-kernels）。该算子库专为大规模混合专家（MoE）与低精度密集模型的高并发服务而设计，全面覆盖 WnA16、W8A8、W4A8 与 W4A4 多种量化精度，横跨 INT1~INT8 与 FP4~FP8 数据格式，并原生适配从 NVIDIA Turing 到 Blackwell 架构及平头哥真武 810E 芯片。实测显示，Humming 算子在小 Batch 下比 cuBLAS 快 3~4 倍，在大 Batch 下比 Marlin 快 2 倍；在 8 张 H20 GPU 上运行 DeepSeek-V4.1-Flash，64 并发下整机端到端吞吐暴增 43.3%，首字时延（TTFT）大幅降低 32%，现已作为默认引擎整合至 vLLM v0.29.0+ 中。
10 月 21 日，vLLM 社区与蚂蚁集团开源 Humming（Apache 2.0），一个用 JIT 编译按需生成 GEMM 内核的量化推理库，支持 Turing 起所有 NVIDIA 架构及平头哥真武 810E，覆盖 INT1–INT8、FP4–FP8 等权重/激活组合和稠密、MoE 两类负载。官方微基准中部分场景比 vLLM Marlin、FlashInfer、DeepGEMM 快 2–5 倍；在 8 张 H20 上跑 DeepSeek-V4.1-Flash，MoE 从 Marlin W4A16 换成 Humming W4A8 后吞吐提升 14%–43%。vLLM 0.29.0 起已内置。
